10:42
官方账号arXiv cs.LG@Lars van der Laan, Nathan Kallus
精选
推荐理由：这篇论文介绍了一种新的离线强化学习方法，通过边际重要性加权进行贝尔曼校准，能有效减少占有率平衡偏差，值得一读。
拟合占有率评估
共 1 条相关 AI 资讯
8月26日
10:42
边际重要性加权通过使用贝尔曼方程的伴随形式重新加权离线状态动作样本来评估目标策略。本文提出了一种等调贝尔曼校准方法，通过应用拟合的占有率评估（FORE）来减少占有率平衡偏差，同时保留初始占有率估计中的排名信息。该方法通过在非递减变换的一维类上应用拟合占有率评估来校正估计的规模和形状。等调贝尔曼校准实现了小的校准误差和KL风险，在最佳单调校正的统计误差范围内，对下游目标占有率泛函，包括策略值估计提供了保证。